•机器学习基础第4页

机器学习基础之《回归与聚类算法（6）—模型保存与加载》

一、背景现在我们预测每次都要重新运行一遍模型。完整的流程应该是不断调整阈值重复计算。当训练或者计算好一个模型之后，那么如果别人需要我们提供结果预测，就需要保存模型（主要是保存算法的参数）。二、sklearn模型的保存和加载API1、importjoblib保存：joblib.dump(rf,"test.pkl")rf：是预估器estimatortest.pkl：是保存的名字将预估器序列化保存在本地

csj50·2023-11-18 17:32

【机器学习基础】多元线性回归（适合初学者的保姆级文章）

为梦而生~·2023-11-17 03:45

【机器学习基础】一元线性回归（适合初学者的保姆级文章）

为梦而生~·2023-11-17 03:44

【赠书第4期】机器学习与人工智能实战：基于业务场景的工程应用

文章目录前言1机器学习基础知识2人工智能基础知识3机器学习和人工智能的实战案例4总结5推荐图书6粉丝福利前言机器学习与人工智能是当前最热门的领域之一，也是未来发展的方向。

EmotionFlying·2023-11-14 15:46

【机器学习基础】机器学习的基本术语

为梦而生~·2023-11-14 13:33

【机器学习基础】机器学习入门（1）

个人主页：为梦而生~关注我一起学习吧！专栏：机器学习欢迎订阅！后面的内容会越来越有意思~专栏介绍：本专栏的第一篇文章，当然要介绍一下了~来说一下这个专栏的开设动机和主要内容⭐️作为人工智能专业的学生，我老早之前就想要记录一下人工智能的学习，但是由于太忙一直没时间（现在也很忙），现在正好各种课要结课并且有各种课程设计，借着这次机会开一个专栏，后面可能也没时间了。⭐️内容安排：这个专栏主要讲解机器学习

为梦而生~·2023-11-14 13:02

【机器学习基础】机器学习入门（2）

为梦而生~·2023-11-14 13:49

机器学习基础概念

大家好，我是一名正在学习机器学习的小白，最近在写一些关于机器学习基础概念的文章。如果你也对机器学习感兴趣，或者想要了解一些基础知识，欢迎来关注我哦！

浩茫·2023-11-11 22:51

【机器学习基础】(二)：理解线性回归与梯度下降并做简单预测

预测从瞎猜开始按上一篇文章所说，机器学习是应用数学方法在数据中发现规律的过程。既然数学是对现实世界的解释，那么我们回归现实世界，做一些对照的想象。想象我们面前有一块塑料泡沫做的白板，白板上分布排列着数枚蓝色的图钉，隐约地它们似乎存在着某种规律，我们试着找出规律。白板上的图钉（数据）如上图所示，我们有没有一种方法（数学算法）来寻找规律（模型解释）呢？既然不知道怎么做，那我们瞎猜吧！我拿起两根木棒在白

风度78·2023-11-11 17:49

【机器学习基础】Lasso 和 Ridge回归中的超参数调整技巧

在这篇文章中，我们将首先看看Lasso和Ridge回归中一些常见的错误，然后我将描述我通常采取的步骤来优化超参数。代码是用Python编写的，我们主要依赖scikit-learn。本文章主要关注Lasso的例子，但其基本理论与Ridge非常相似。起初，我并没有真正意识到需要另一个关于这个主题的指南——毕竟这是一个非常基本的概念。然而，当我最近想要确认一些事情时，我意识到，市面上的很多文章要么太学术

风度78·2023-11-11 17:49

机器学习基础——线性回归算法

一、概念要明白什么是线性回归算法，首先要明白什么是线性，什么是非线性、什么是回归。线性：指两个变量之间的关系是一次函数的关系——即图像为直线非线性：两个变量之间的关系不是一次函数关系的——图象不是直线，叫做非线性。回归：人们在测量事物的时候因为客观条件所限，求得的都是测量值，而不是事物真实的值，为了能够得到真实值，无限次的进行测量，最后通过这些测量数据计算回归到真实值，这就是回归的由来。即多次测量

光影时刻·2023-11-11 13:43

【机器学习基础】优化算法详解

本文来源于吴恩达老师的深度学习课程[1]和深度学习课程[2]笔记部分。作者：黄海广[3]备注：笔记和作业（含数据、原始作业文件）、视频都在github[4]中下载。导语在学习机器学习的过程中我们发现，大部分的机器学习算法的本质都是建立优化模型，通过最优化方法对目标函数(或损失函数)进行优化，从而训练出最好的模型，梯度下降是最基本的优化算法。本文对梯度下降和其他优化算法进行讲解。一梯度下降（Grad

风度78·2023-11-10 04:08

机器学习基础之《回归与聚类算法（5）—分类的评估方法》

问题：上一篇的案例，真的患癌症的，能被检查出来的概率？一、精确率和召回率1、混淆矩阵在分类任务下，预测结果(PredictedCondition)与正确标记(TrueCondition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)预测结果：是预测值正确标记：是真实值用来求精确率和召回率的TP=TruePossitiveFN=FalseNegativeFP=FalsePossitiveTN=

csj50·2023-11-08 06:13

三、机器学习基础知识：Python常用机器学习库（Matplotlib）

文章目录1、Matplotlib2、基本结构3、pyplot模块3.1pyplot.plot()函数的使用3.2其他常见属性设置3.3子图的绘制4、其他类型的图表4.1竖向条形图4.2散点图4.3饼图1、Matplotlibmatplotib库中有非常多的可视化绘图类，内部结构复杂。受MATLAB提供的绘图功能的启发，matplotlib提供了两个便捷的绘图子模块：pyplot和pylab，其中p

七层楼的疯子·2023-11-06 17:30

八、机器学习基础知识：分类性能评价指标

文章目录分类性能基本概念1、准确率1、精确率2、召回率3、F1-score4、ROC曲线5、多分类问题中的相关指标6、混淆矩阵分类性能基本概念与预测性能评价指标相类似，分类性能评价指标同样也是将模型计算得出的标签值与实际的真实标签值通过数学统计上的公式进行计算来获得它们之间的关系，以此来评价模型分类性能的好坏。在二分类时，常见的性能分类指标有准确率、精确率、召回率、F1-score、ROC曲线面积

七层楼的疯子·2023-11-06 17:00

四、机器学习基础知识：交叉验证

文章目录交叉验证定义1、随机子抽样验证2、K折交叉验证3、留一法交叉验证4、自助采样验证交叉验证定义在使用某一个数据集对模型进行训练时，模型的实际训练情况会受到数据集的直接影响，且其实际训练结果是难以确定的，极有可能出现欠拟合与过拟合的情况。欠拟合一般是指模型对数据集训练不足，从而在训练数据集与测试数据集上表现都较差，过拟合是指模型单纯在对训练数据集的信息获取上表现较为优秀，但当应用与测试数据集时

七层楼的疯子·2023-11-06 17:59

三、机器学习基础知识：Python常用机器学习库（SKlearn）

文章目录1、Scikitlearn简介2、主要步骤3、数据预处理4、模型选择与算法评价1、Scikitlearn简介Scikitlearn的简称是SKlearn，专门提供了Python中实现机器学习的模块。Sklearn是一个简单高效的数据分析算法工具，建立在NumPy、SciPy和Matplotlib的基础上。SKlearn包含许多目前最常见的机器学习算法，例如分类、回归、聚类、数据降维，数据预

七层楼的疯子·2023-11-06 17:55

【机器学习基础】kaggle竞赛中数据抽样方式

什么情况下需要会用到抽样数据量太大，计算能力不足。抽样调查，小部分数据即可反应全局情况。时效要求，通过抽样快速实现概念验证。定性分析的工作需要。无法实现全覆盖的场景，比如满意度调查等。解决样本不均衡问题随机抽样（用的最多）该抽样方法是按等概率原则直接从总中抽取n个样本，这种随机样本方法简单，易于操作；但是它并不能保证样本能完美的代表总体，这种抽样的基本前提是所有样本个体都是等概率分布，但真实情况却

风度78·2023-11-06 15:26

第2篇机器学习基础 —（3）机器学习库之Scikit-Learn

前言：Hello大家好，我是小哥谈。Scikit-Learn（简称Sklearn）是Python的第三方模块，它是机器学习领域当中知名的Python模块之一，它对常用的机器学习算法进行了封装，包括回归（Regression）、降维（DimensionalityReduction）、分类（Classfication）和聚类（Clustering）四大机器学习算法。本节课就简单介绍下Scikit-Le

小哥谈·2023-11-04 11:13

tensorflow学习笔记--机器学习基础知识--（1）基本图像分类

学习教材是tensorflow官网上的新手教程为了让自己有更深的印象和理解，将自己的学习笔记记录基础分类：对于衣服的图片分类本指南训练了一个神经网络模型来对衣服的图像进行分类，例如运动鞋和衬衫。本指南使用tf.keras在TensorFlow中构建和训练模型。from__future__importabsolute_import,division,print_function,unicode_li

爱玩的阿是·2023-11-03 03:32

AIOPS学习资源

时间序列分析-B站时间序列分析的基础、原理、算法和应用-知乎时间序列数据分析101-(1)一份全面详尽的时间序列入门教程-知乎-推荐图解72个机器学习基础知识点-推荐机器学习入门与核心概念-B站机器学习

MrUncle德鲁·2023-11-02 22:04

学习人工智能需要掌握哪些基础知识，需要具备哪些数学和编程技能？

机器学习基础：了解机器学习算法的基本原理和分类，如监督学习、非监督学习和强化学习等。深度学习基础：了解神经网络的基本结构和工作原理，了解卷积神经网络、循环神经网络、生成对抗网络等深度学习模型。学习人工

程序媛珂珂·2023-11-02 15:41

机器学习基础线性回归及一些基础概念（正则化、过拟合、欠拟合等）

文章目录一、线性回归简介1.线性回归应用场景2.什么是线性回归2.1定义与公式2.2线性回归的特征与目标的关系分析3.小结二、线性回归api初步使用1.线性回归API2.举例2.1步骤分析2.2代码过程3.小结三、线性回归的损失和优化1.损失函数2.优化算法2.1正规方程2.1.1什么是正规方程2.1.2正规方程求解举例2.1.3正规方程的推导2.2梯度下降(GradientDescent)2.2

落花雨时·2023-11-02 15:21

机器学习基础---分类与检测的评价指标---AP，mAP，PR曲线

目录分类任务中的AP，mAP，PRC（PR曲线）为什么需要PR曲线APmAPAP的计算方法：P-R曲线的绘制方法mAP计算方法检测任务中的AP与AP@50,AP@75AP和mAP是图像分类任务中的评价方法，可以用于检测任务。分类任务中的AP，mAP，PRC（PR曲线）为什么需要PR曲线PrecisionandRecall(PR曲线)：用于稀有事件检测，如目标检测、信息检索、推荐系统。负样本非常多（

xys430381_1·2023-11-02 00:49

第2篇机器学习基础 —（4）k-means聚类算法

~前期回顾：第2篇机器学习基础—（1）机器学习概念和方式第2篇机器学

小哥谈·2023-11-01 17:11

机器学习基础维基翻译保序回归随机森林 Pipeline处理及简单的sklearn例子分类：机器学习Sklearn

Isotonicregression(保序回归)Innumericalanalysis,isotonicregression(IR)involvesfindingaweightedleast-squaresfitxtoRnwithweightsvectorwtoRnsubjecttoasetofnon-contradictoryconstraintsofthekindxi>=xj.(x分量保序)S

meng_shangjy·2023-10-31 02:20

机器学习基础（6）：线性回归和拟合

线性回归1介绍线性回归是通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合。回归问题的目标值是连续的，比如价格，收入等等。试图学得一个通过属性的线性组合来进行预测的函数：()=_1_1+_2_2+…+__+w为权重，b称为偏置项，可以理解为：_0×1一元线性回归：涉及到的变量只有一个多元线性回归：涉及到的变量两个或两个以上单变量：多变量：

Y_蒋林志·2023-10-30 12:07

机器学习基础：特征选择

目录1.需要特征选择的原因2.特征选择的方法2.1Wrappers包装法2.1.1可实现的Wrapper方法：sequentialforwardselection（贪心法）2.1.2可实现的Wrapper方法：sequentialbackwardselection（消融法）2.2Filtering过滤法2.2.1PointwiseMutualInformation（PMI）逐点互信息法2.2.2M

小羊和小何·2023-10-30 02:07

【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面

七、深度学习的实践层面1.训练/验证/测试集(Train/Dev/Test)2.偏差/方差(Bias/Variance)3.机器学习基础4.L2正则化范数的概念正则化的定义L2正则化正则化为什么可以预防过拟合

今天有没有吃饱饱·2023-10-29 16:31

机器学习(一) —— 机器学习基础

Python——机器学习机器学习(一)——机器学习基础一、数据集1.1加载数据集1.2划分数据集二、特征工程2.1特征预处理(归一化/标准化)2.2特征降维(特征选择/主成分分析/线性判别器)2.3特征提取

share16·2023-10-29 09:41

近期微软重大论文----《通用人工智能的火花：GPT-4的早期实验》

这篇论文是最近讨论度极高的一篇论文，推特上几乎被这篇论文刷屏，作者SebastienBubeck是微软机器学习基础组的研究经理。

小林猿~·2023-10-28 22:35

机器学习——基础概念

一.机器学习基础概念总结过层中，我结合了头歌上的相关公开课程：详见（一）.什么是机器学习？机器学习致力于通过计算的手段，利用经验来改善系统的性能。

七七（考研）·2023-10-28 14:30

机器学习之路：FaceBook预测案例分析-----＞KNN算法的应用与调优

小白的机器学习之路（二）引子学习机器学习基础：从理论到实践了解机器学习机器学习的定义机器学习的分类机器学习的基本原理掌握数据预处理数据清洗特征选择特征工程分类算法sklearn转换器和预估器KNN算法获取数据数据集划分特征工程

是一个Bug·2023-10-28 02:25

Pytorch整体工作流程代码详解（新手入门）

适用读者：有一定的Python和机器学习基础的深度学习/Pytorch初学者。

Avasla·2023-10-27 04:32

第2篇机器学习基础 —（1）机器学习概念和方式

前言：Hello大家好，我是小哥谈。机器学习是一种人工智能的分支，它使用算法和数学模型来使计算机系统能够从经验数据中学习和改进，而无需显式地编程。机器学习的目标是通过从数据中发现模式和规律，从而使计算机能够自动进行预测和决策。机器学习有许多应用领域，包括模式识别、数据挖掘、计算机视觉、语音识别和自然语言处理等。本节课就给大家简单介绍下什么是机器学习以及机器学习包括哪几种方式，希望大家学习之后能够有

小哥谈·2023-10-26 21:48

第2篇机器学习基础 —（2）分类和回归

~前期回顾：第2篇机器学习基础—（1）机器学习概念和方式目录1.基本概念2.常见的分类算法3.常见的回归算法4.分类回

小哥谈·2023-10-25 21:33

机器学习基础

1常见学习方法无监督学习：输入数据没有维度标签，输出通常是自动聚合的不同类别的标签。分类是自动进行的，只要有数据就会找到相近特征，典型算法是聚类算法。举个栗子：让计算机将一篮水果中的同类别水果归到一起，不知道水果种类（标签），首先它需要得到各个水果的特征数据，并表示为数学向量，假设此向量包含了颜色、味道、形状等特征。然后将相似向量（距离较近）的水果归为一类。监督学习：已知输入数据的类别（标签），它

smilelingling·2023-10-25 19:21

《机器学习实战》ch1 ~ ch15 笔记目录

《机器学习实战》笔记（一）：Ch1-机器学习基础《机器学习实战》笔记（二）：Ch2-k-近邻算法《机器学习实战》笔记（三）：Ch3-决策树《机器学习实战》笔记（四）：Ch4-基于概率论的分类方

Liu_Goodfellow·2023-10-24 20:09

2.机器学习基础（一）

文章目录第二章机器学习基础2.1基本概念2.1.1什么是神经网络2.1.2各种常见算法图示2.1.3计算图的导数计算2.1.4理解局部最优与全局最优2.1.5大数据与深度学习之间的关系2.2机器学习学习方式

abolition cc·2023-10-24 14:52

三、机器学习基础知识：Python常用机器学习库（Numpy第二部分）

其他创建数组的方式5.1空数组5.2全零数组5.3全一数组5.4数列5.5随机数组5.6数组转换6、索引、切片和迭代7、Numpy计算7.1基本数组运算7.2条件运算7.3统计运算8、Numpy存取文件前序内容：三、机器学习基础知识

七层楼的疯子·2023-10-23 17:31

三、机器学习基础知识：Python常用机器学习库（Numpy第一部分）

文章目录1、Numpy定义2、ndarray对象3、Numpy数据类型4、Numpy数组类型1、Numpy定义Numpy是NumbericalPython的简称，是用来进行高性能计算与分析的基础包，是Python中重要的扩充库。它支持高维度数组与矩阵运算，也针对数组运算提供了大量的数学函数库。Numpy运算效率极好，是大量机器学习框架的基础库。使用Numpy，开发人员可以很方便地执行数组运算、逻辑

七层楼的疯子·2023-10-23 17:01

三、机器学习基础知识：Python常用机器学习库（Pandas）

文章目录1、Pandas2、Series数据结构2.1Series的创建2.2Series的索引与访问2.3Series的常见操作3、DataFrame对象3.1DataFrame的创建与索引3.2DataFrame的访问3.3DataFrame的常见操作4、数据对齐5、缺失数据处理6、Pandas存取文件1、PandasPandas库是以Numpy库为基础构建的，通常用来处理表格型(关系型)的数

七层楼的疯子·2023-10-23 17:56

如何从小白成长为AI工程师笔记

入门机器学习基础对于本科生来说，需要打好数学基础，包括高数、概率论和线性代数。对于已经上研究生或工作想转行的人来说，可以直接开始学习机器学习算法，重要的是理解算法的原理和推导过程。

北辰Charih·2023-10-23 06:09

机器学习(一)Spark机器学习基础

文章目录1.Spark机器学习基础1.0机器学习和大数据的区别和联系1.1机器学习引入1.2机器学习三次浪潮1.3人工智能领域基础概念区别1.3.1人工智能、机器学习、深度学习关系1.3.2数据分析、数据挖掘基本概念区别

大模型Maynor·2023-10-23 03:22

如何在Python中实现一个决策树算法？

本文假定读者具备相关机器学习基础知识，比如机器学习的相关理论、算法、模型等

禅与计算机程序设计艺术·2023-10-22 19:32

花5分钟学习机器学习基础知识

一、什么是机器学习机器学习的目的是让机器学习,而不是执行预设的算法。机器学习适用于难以制定规则的问题,如垃圾邮件识别、图像识别。机器学习模拟人类学习过程:从样本中学习归纳总结,形成模型,然后应用模型完成任务。机器学习需要大量样本数据和计算能力支持。当前数据量大、计算能力强的时代非常适合机器学习。机器学习应用非常广泛,从垃圾邮件识别到自动驾驶都需要机器学习。机器学习是人工智能的一种方法，其核心思想是

代码写注释·2023-10-22 09:59

徐宗本院士将在2023年CCF中国软件大会上作特邀报告

主要从事应用数学、智能信息处理、机器学习基础理论研究。

pengxin_ce·2023-10-21 22:32

机器学习基础集成学习基础（Bagging+随机森林）

文章目录一、集成学习算法简介1.什么是集成学习2复习：机器学习的两个核心任务3.集成学习中boosting和Bagging4.小结二、Bagging和随机森林1.Bagging集成原理2.随机森林构造过程3.包外估计(Out-of-BagEstimate)3.1包外估计的定义3.2包外估计的用途4.随机森林api介绍5.随机森林预测案例6.bagging集成优点7.小结一、集成学习算法简介1.什么

落花雨时·2023-10-21 21:35

Datawhale开源学习笔记

Task01绪论与深度学习概述、数学基础1绪论与深度学习概述1.1人工智能1.2机器学习1.3深度学习1.4主要应用2数学基础2.1矩阵基本知识2.2矩阵的分解2.3概率统计2.4最优化估计Task02机器学习基础一些基本概念数据集误差分析泛化误差分析交叉验证有监督学习线性回归支持向量机决策树无监督学习聚类降维

IT界的清流·2023-10-21 06:47

3.Spark机器学习基础——监督学习

Spark机器学习基础——监督学习1.1线性回归（加L1L2正则化）!

许志辉Albert·2023-10-20 18:45

推荐频道

•机器学习基础